融合结构与语义信息的知识推理算法

摘要

知识图谱以三元组形式存储了大量的事实、知识,但同时也存在着事实缺失的问题,因此需要在图谱的已知事实基础上推理预测新的事实即知识推理。传统的知识推理算法只简单利用了知识图谱的结构信息,对知识图谱的信息挖掘不够充分。本文提出了一个融合语义和结构信息的知识推理算法,该算法在利用知识图谱的结构信息的同时,也利用了大规模文本数据中的上下文信息,能够更加准确地表示实体、关系等知识图谱的基本元素。同时针对知识推理模型训练过程中三元组负采样存在的低质量和假阴性问题,我们引入了生成对抗网络来解决这个问题。实验表明,本算法可以实现良好的知识推理效果。